基于 Attention 机制和 ResNet 的 CNN-BiLSTM短期电力负荷预测模型研究
Journal of University of Souht China(Science & Technology)(2023)
摘要
短期电力负荷预测有利于电力系统的高效运行,对电力市场实现有效调度有重要意义.短期电力负荷受多种因素影响,波动性大、随机性强,使得其预测准确率低.双向长短期记忆网络和卷积神经网络难以在短期负荷序列中提取足够多的信息,本文提出了 一种结合注意力机制和残差网络的卷积神经网络-双向长短期记忆网络短期负荷预测方法.首先利用基准模型卷积神经网络-双向长短期记忆网络对输入特征进行信息提取,然后利用注意力机制突出提取到的关键信息,最后通过残差网络创建残差层以充分学习时序特征.通过某公开数据集进行实验,结果表明该方法的平均绝对百分比误差达到2.80%,均方根误差达到2.15,并与常用的五种模型预测结果对比,验证了所提模型的准确性及有效性.
更多AI 理解论文
溯源树
样例
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要